一种基于自适应蚁群算法的动态RWA算法

动态RWA(路由与波长分配)问题是智能光网络的核心问题,以蚁群算法为代表的启发式算法是解决此类问题的优选方案之一。文章提出一种基于ADACO(自适应蚁群优化)算法的RWA机制,针对信息素挥发系数ρ采取自适应策略,实现了对全局信息素更新态调节。理论分析和数值仿真结果表明,与Dijkstra+FF(首次命中)算法相比,改进的ADACO+FF算法可以有效地降低网络阻塞率,规则型Mesh网络和NSFNET(国家科学基金会网络)的阻塞率最高分别降低了0.3和0.2。     

多域光网络中的动态RWA算法研究

随着光网络规模的不断增大,下一代智能光网络将被划分为多个路由域进行分布式管理.由于在这种具有分布式特点的多域光网络中,每个路由域只了解本地子网内的拓扑和资源信息,因此以往光网络中已有的基于全网信息的动态RWA算法将不在有效.文章首先分析了多域光网络中的动态RWA问题,然后针对多域网的特点对已有的RWA算法进行了修改,并在给定的多域光网络模型中对该算法进行了仿真研究.结果表明:在多域网络环境下,以往的动态RWA算法急需改进.     

基于损伤感知的动态RWA算法性能比较研究

从光网络向透明架构的演进和面向业务的发展趋势出发,介绍了损伤感知的RWA问题的相关研究,通过给经典RWA算法增加对损伤效果的考虑,提出了具有损伤感知能力的动态RWA算法(IBest,IFF,IPack)并进行了仿真验证,结果表明在有损伤的环境下具有损伤感知能力的动态RWA算法既能保持经典算法的优势又在阻塞率上具有优于经典算法的性能。     

基于蚁群系统的分布式RWA算法研究

针对波分复用(WDM)光网络中动态选路和波长分配(RWA)问题，提出了一种基于蚁群算法的分布式动态RWA方法。将蚁群算法与分层图模型结合，实现了RWA的并行计算。仿真结果表明，与现有最短路径法相比，该算法能有效地降低光路阻塞率，促进波长资源的合理分配，同时分布式的计算方式也降低了现代频繁变化的大型光网络的通信开销。     

基于分层图的动态RWA算法的仿真与实现

RWA问题是光网络中的一个核心问题。随着RWA优化算法求解方式的简化,算法的运算效率得到了提高,但却牺牲了解的优化性能。如何使优化效率和时间效率协调统一是当前光网络中RWA优化算法设计的难点。对光网络中动态RWA问题进行了阐述,对基于分层图的动态RWA算法进行了仿真与分析,仿真证明,该算法可以大幅降低网络的阻塞性能,且算法稳定性更好、资源利用率较高。     

下一代光网络中光路的快速建立

文章针对下一代光网络中光路快速建立的问题,介绍了IP-over-optical的网络体系结构,并在此基础上介绍了动态RWA问题和综合解决RWA问题的动态和半动态寻路算法,讨论了这两种算法的容错性能。     

智能光网络中RWA问题的研究

在ASON中．路由和波长分配（RWA）算法是其中一个关键问题。由于当前网络中业务增长迅速．而网络中可用资源有限．因此要使用合理的RWA算法来优化网络资源。本文分别阐述了静态RWA、动态RWA以及RWA算法中的其他问题．并主要对路由和波长问题进行了分析和研究。     

智能光网络中RWA问题的研究

在ASON中,路由和波长分配（RWA）算法是其中一个关键问题。由于当前网络中业务增长迅速,而网络中可用资源有限,因此要使用合理的RWA算法来优化网络资源。分别阐述了静态RWA、动态RwA以及RWA算法中的其它问题,并主要对路由和波长问题进行了分析和研究。     

波长路由光网络中RWA算法的设计分析

文章通过对波长路由光网络中路由与波长分配(RWA)问题的研究,介绍了求解路由子问题和波长分配子问题的常用方法,总结了3种类型的RWA问题的优化解决方法,最后对目前RWA算法设计中存在的问题进行了分析并阐述了解决此类问题的重要性.     

基于D*思想的动态RWA算法研究

文章提出一种基于D*(D-Star)思想的启发式算法,求解波分复用(WDM)光网络中动态路由和波长分配(RWA)问题.将网络中各边代价与当前波长使用情况综合考虑,建立D*算法的估价函数,实现了WDM光网络中动态业务的高效分配.仿真结果表明,该算法能有效降低阻塞率,促进波长资源的合理分配,同时,其快速和智能特性也提高了网络故障环境下的生存性.     

一种基于改进蚁群算法的光网络波长路由分配算法

路由与波长分配(RWA)是下一代光网络的需要解决的核心问题之一。论文提出了一种基于改进蚁群算法的光网络RWA算法SA-DRWA算法。算法在转移概率中加入了链路的空闲率作为约束条件,同时还引入了随机扰动以防止传统蚁群算法中迭代次数较少时就过早收敛于局部最优路径的缺点。理论分析表明,SA-DRWA算法可以有效地实现光网络中的负载均衡。对不同网络拓扑中算法的性能进行了仿真,结果表明,SA-DRWA算法比传统Dijkstra+FF算法在阻塞率及资源利用率等方面有明显改进,在规则网格型网络中阻塞率和资源利用率分别改善了0.23。     

无线传感器网络的蚁群自组织算法

探测效能与能量节省的综合性能优化是无线传感器网络研究的一个热点问题.提出了一种分布式、自适应的无线传感器网络蚁群自组织算法,将无线传感器网络节点映射为情绪蚂蚁,通过蚁群间的协同对节点的唤醒概率进行群体智能优化,从而实现无线传感器网络自组织,并以定理的形式给出了性能指标和相关参数的设计方法.仿真表明,算法实现在唤醒较少节点的前提下,对目标保持了较好的探测能力.     

基于改进蚁群算法的卫星光网络波长分配方法

路由与波长分配是下一代光网络的需要解决的核心问题之一。本文采用智能蚁群算法,研究了卫星光网络的路由与波长分配问题,为通信请求寻找最优的数据传输光路径。基于请求区域受限策略(Restricted Request Area,RRA)和链路波长负载平衡策略,建立了考虑传输延迟和波长连续性约束的双主星分布式星群节点结构光网络系统模型。利用智能蚁群路由和波长分配(Smart Ant Colony Routing AndWavelength Assignment,SAC-RWA)算法求解系统模型,以找到具有稀疏波长转换的卫星光网络中最小成本波长路径。所提出的算法允许单个蚂蚁同时完成路由和波长分配,仿真结果表明,RRA能够明显改进卫星光网络的性能,以略微增加拥塞率的代价显著降低了计算复杂度。     

一种求解连续空间优化问题的动态蚁群算法

在实现了连续蚁群算法的基础上,针对蚁群算法容易陷入局部最优解的问题,对连续蚁群算法的全局转移概率进行改进,提出一种动态蚁群算法(DACO),根据动态全局转移概率分配蚂蚁个数,进行不同阶段的搜索.仿真实验表明,动态蚁群算法能够得到更精确的解.     

无线传感器网络自适应蚁群定位算法研究

针对蚁群定位算法可能出现局部最优解而导致定位不准确的问题,提出了无线传感器网络自适应蚁群定位算法。通过将节点估计坐标移动方向离散化,将传感器定位问题转换成离散组合最优问题。定位过程中通过聚度和信息权重对传感器节点估计坐标向各个方向移动的概率进行修正,解决了定位结果收敛于局部最优解的问题。仿真结果表明,自适应蚁群定位算法比传统蚁群定位算法具有更低的定位误差。     

改进蚁群算法的路径规划研究

针对蚁群算法在复杂环境下收敛速度慢且存在停滞问题,提出一种改进的蚁群算法。为了避免蚁群陷入死锁状态,采用回退策略,避免蚂蚁盲目搜索产生大量交叉路径并有效减少蚂蚁死亡数量,并且借鉴了狼群分配策略来更新信息素,提高算法全局性,在状态转移概率中引入一个启发因子并进行调整,避免算法陷入停滞。仿真实验结果表明,改进后的蚁群算法收敛速度明显加快,寻优最短路径达到29.73,迭代次数较少28。验证了该算法的有效性和可行性。     

蚁群算法收敛性验证系统的研究与实现

蚁群算法是一种新型的仿生优化算法,具有较强的鲁棒性、优良的分布式机制、并行性以及正反馈等特点。目前蚁群算法已涉及众多应用领域,在解决复杂优化问题上具有较多优越性。文中深入研究了蚁群算法的性能及机制,分析了参数对算法性能的影响。在理论研究的基础上,实现了蚁群算法的仿真实验;通过Java绘图界面形象完整地展现出整个收敛的过程,验证了蚁群算法的收敛性;通过对参数的调试、组合,得到了最佳的收敛效果。该系统的实现对今后收敛性的研究打下了基础。     

改进的蚁群算法求解VRP问题

为了使蚁群算法针对VRP问题解的搜索更加高效,将变异操作用于蚁群算法．给出了变异概率的设置,合理地改进可见度的计算及信息素更新方法,结合swap局部搜索,获得了更加稳定的求解VRP问题的蚁群算法。实验表明,该算法稳定有效。     

一种基于混合蚁群算法的矢量量化码书设计算法

提出了一种基于混合蚁群算法的矢量量化码书设计算法。该算法首先通过自适应地调整截取转移概率的参数,加大蚁群算法的搜索最优解的力度;然后以蚁群算法搜索的结果作为初始解,利用改进的LBG算法作进一步的搜索,从而加快算法的收敛速度。实验结果表明,该算法不但大大提高码书性能,而且也缩短了运行时间,解码恢复图像能获得较高的主、客观质量。     

基于人工蚁群优化的矢量量化码书设计算法

本文提出一种基于人工蚁群优化的矢量量化码书设计新算法.该算法利用人工蚁群系统中蚂蚁通过信息素留存寻找最优路径的机制,结合单只蚂蚁通过拾起、放下物体从而使物体聚堆的行为模式,合理设计放下概率、禁忌列表、信息素更新方式以及相应的参数.与基于进化模拟退火和随机竞争学习的码书设计算法相比,本文提出的算法能获得性能较好的码书,其峰值信噪比比传统的LBG算法提高超过2dB.